AI 学习笔记¶
系统化梳理 AI 知识体系, 侧重 LLM 与 Agent, 兼顾多媒体与边缘侧部署方向。 面向方向探索阶段, 追求广度优先的全局地图, 不追求深度钻探。
笔记结构¶
本笔记采用渐进式披露 (Progressive Disclosure) 结构, 三层递进:
- 第 0 层 (本 README): 全局索引, 一句话定位每个板块
- 第 1 层 (各章节文档): 独立完整的章节内容, 可单独阅读
- 第 2 层 (章节内小节): 每节按"定义→原理→关键点→应用·对比"四段式展开
板块索引¶
| 序号 | 板块 | 一句话定位 | 链接 |
|---|---|---|---|
| 01 | LLM 基础原理 | 从 Transformer 到提示工程, 理解大语言模型是什么、怎么工作、能做什么 | 01-LLM基础原理.md |
| 02 | Agent 范式与架构 | 智能体定义、经典范式 (ReAct/Plan-Solve/Reflection)、多智能体协作 | 02-Agent范式与架构.md |
| 03 | Agent 工程能力 | 记忆、RAG、上下文工程、通信协议、框架、评估、Harness 运行时外壳 | 03-Agent工程能力.md |
| 04 | 训练与优化 | 预训练到服务化全链路, 含 RLHF/DPO/GRPO 与推理加速 | 04-训练与优化.md |
| 05 | 前沿趋势 | 推理模型、MoE、多模态、长上下文、Agent 自进化、世界模型、端侧趋势 | 05-前沿趋势.md |
| 06 | 扩展探索 | AI 多媒体应用 + 边缘侧部署 5 Module + 个人背景结合点 | 06-扩展探索.md |
学习路径建议¶
线性读法 (推荐首次学习)¶
01 → 02 → 03 → 04 → 05 → 06
按基础 → 范式 → 工程 → 训练 → 前沿 → 扩展的递进顺序, 建立完整知识体系。
跳跃读法 (按需查阅)¶
- 已有 LLM 基础, 想快速了解 Agent: 直接从 02 开始
- 关注工程落地: 02 → 03 → 06
- 关注模型训练: 01 → 04
- 关注端侧部署: 05 (5.7) → 06 (6.2)
外部资料¶
配套维护一份 AI 知识库目录, 收录技术博客、开源项目、论文等外部资料, 持续更新。